爬蟲之簡單爬取糗事百科

技術(shù)路線:
python+requests+re

代碼如下:

import requests
from bs4 import BeautifulSoup
import re

def getHTMLcode(url,data):
    try:
        r = requests.get(url, headers=data)
        print(r.status_code)
        r.raise_for_status()
        print(r.apparent_encoding)
        r.encoding = r.apparent_encoding
        print(r.encoding)
        return r.text,r.encoding
    except:
        print('爬取失敗')

def parsePage(contain,html):
    soup = BeautifulSoup(html, "html.parser")
    # find_all( name , attrs , recursive , text , **kwargs )
    items = soup.find_all(name='div', class_='article')
    for item in items:
        print(item)
        print('-------------------------------')
        item = str(item)
        a = []
        # 發(fā)布人,發(fā)布內(nèi)容,發(fā)布時(shí)間,點(diǎn)贊數(shù)
        pattern = re.compile(
            r'<div class="author clearfix">.*?<h2>(.*?)</h2>.*?<span>(.*?)</span>.*?<i class="number">(.*?)</i>', re.S)
        groups = re.findall(pattern, item)  #groups是以元組為元素的列表

        for g in groups:    #g是元組
            a.append(g[0])
            a.append(g[1])
            a.append(g[2])
        contain.append(a)


def saveArticle(contain,filPath):
    for article in contain:
        with open(filPath,'a+',encoding='utf-8') as f:
            temp='作者:'+article[0].strip('\n')+'\n'+'內(nèi)容:\n'+article[1].strip('\n').replace('<br/>', '')+'\n點(diǎn)贊數(shù):'+article[2].strip('\n')+'\n\n\n\n'
            f.write(temp)

def spyder(url,data,depth,filPath):
    for i in range(depth):
        url=url+str(depth+11)
        html,encoding=getHTMLcode(url, data)
        if encoding=='ISO-8859-2':
            continue
        contain=[]
        parsePage(contain, html)
        saveArticle(contain,filPath)

if __name__=="__main__":
    depth =10
    url = 'https://www.qiushibaike.com/hot/page/'
    data = {'User-Agent': 'Mozilla/5.0'}
    filPath='newarticle.docx'
    spyder(url,data,depth,filPath)


關(guān)鍵點(diǎn):
正則表達(dá)式的編寫:
pattern = re.compile(
r'<div class="author clearfix">.?<h2>(.?)</h2>.?<span>(.?)</span>.?<i class="number">(.?)</i>', re.S)
說明:
1:(.*?)代表分組懒鉴,用正則的方法re.findall(pattern, item)每個(gè)匹配的字符串里面我們先要的部分會以元組的形式返回冻记,然后一篇文章里有多組匹配的字符串的話最終結(jié)果會返回以元組為元素的列表锭环。
2:re.S代表.包括匹配換行

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市四苇,隨后出現(xiàn)的幾起案子已骇,更是在濱河造成了極大的恐慌缆八,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,639評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件疾捍,死亡現(xiàn)場離奇詭異,居然都是意外死亡栏妖,警方通過查閱死者的電腦和手機(jī)乱豆,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來吊趾,“玉大人宛裕,你說我怎么就攤上這事瑟啃。” “怎么了揩尸?”我有些...
    開封第一講書人閱讀 157,221評論 0 348
  • 文/不壞的土叔 我叫張陵蛹屿,是天一觀的道長。 經(jīng)常有香客問我岩榆,道長错负,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,474評論 1 283
  • 正文 為了忘掉前任勇边,我火速辦了婚禮犹撒,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘粒褒。我一直安慰自己识颊,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評論 6 386
  • 文/花漫 我一把揭開白布奕坟。 她就那樣靜靜地躺著祥款,像睡著了一般。 火紅的嫁衣襯著肌膚如雪月杉。 梳的紋絲不亂的頭發(fā)上刃跛,一...
    開封第一講書人閱讀 49,816評論 1 290
  • 那天,我揣著相機(jī)與錄音沙合,去河邊找鬼奠伪。 笑死,一個(gè)胖子當(dāng)著我的面吹牛首懈,可吹牛的內(nèi)容都是我干的绊率。 我是一名探鬼主播,決...
    沈念sama閱讀 38,957評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼究履,長吁一口氣:“原來是場噩夢啊……” “哼滤否!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起最仑,我...
    開封第一講書人閱讀 37,718評論 0 266
  • 序言:老撾萬榮一對情侶失蹤藐俺,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后泥彤,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體欲芹,經(jīng)...
    沈念sama閱讀 44,176評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評論 2 327
  • 正文 我和宋清朗相戀三年吟吝,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了菱父。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,646評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖浙宜,靈堂內(nèi)的尸體忽然破棺而出官辽,到底是詐尸還是另有隱情,我是刑警寧澤粟瞬,帶...
    沈念sama閱讀 34,322評論 4 330
  • 正文 年R本政府宣布同仆,位于F島的核電站,受9級特大地震影響裙品,放射性物質(zhì)發(fā)生泄漏俗批。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評論 3 313
  • 文/蒙蒙 一清酥、第九天 我趴在偏房一處隱蔽的房頂上張望扶镀。 院中可真熱鬧,春花似錦焰轻、人聲如沸臭觉。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽蝠筑。三九已至,卻和暖如春揩懒,著一層夾襖步出監(jiān)牢的瞬間什乙,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評論 1 266
  • 我被黑心中介騙來泰國打工已球, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留臣镣,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,358評論 2 360
  • 正文 我出身青樓智亮,卻偏偏與公主長得像忆某,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子阔蛉,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評論 2 348